北极星

搜索历史清空

  • 水处理
您的位置:电力电力新闻配售电电力现货评论正文

基于VAR模型的价差预测与日前策略研究:甘肃实例

2025-07-03 08:00来源:兰木达电力现货关键词:电力现货市场电力用户甘肃电力现货市场收藏点赞

投稿

我要投稿

一、引言

2024年9月5日,甘肃电力现货市场正式运行,成为国内第四个、国家电网有限公司经营区第三个转入正式运行的省级电力现货市场,作为全国独一无二允许用户“报量报价”参与的市场,备受瞩目。甘肃电力现货市场体系包含日前市场和实时市场,其中日前市场扮演着极为重要的角色。对电力用户而言,日前市场是优化用电成本的重要场景之一,然而,用户在日前市场中的收益能否落地,高度依赖日前策略的精准性。根据市场申报规则,用户需在规定时间内提交量价申报曲线,为了尽可能地抓住低价窗口,电力用户需要对分时日前价格与实时价格的价差准确判断,根据价差制定合理的日前申报策略。因此,如何基于市场历史数据,构建科学的价差预测模型并制定适配的日前申报策略,成为电力用户在甘肃日前市场中实现效益最大化的关键。本文使用向量自回归模型(VAR Model)对甘肃现货市场的价差进行预测分析,基于预测结果给出日前市场的申报策略,以实现日前收益最大化。

二、VAR模型简介

VAR模型是基于数据的统计性质建立的模型,它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。VAR模型可以综合考虑多个变量之间的相互关系,利用历史数据对未来走势进行短期预测。一个p阶VAR模型的基本形式如下:

三、VAR价差预测模型的构建

本文选取甘肃现货市场2024年9月—2025年3月的每日24时段结算价差数据构建VAR模型。

在构建VAR模型前,需要首先对各变量序列进行平稳性检验,只有平稳序列的统计特性才不会随时间改变,过去数据表现出的性质才会蕴含在未来数据中。本文使用ADF单位根检验对序列的平稳性进行检验,检验结果如下:

从ADF检验结果来看,各时段的价差序列均是平稳序列,可直接使用价差数据进行建模预测,但考虑到VAR模型在处理较高维度的向量时,模型中需要估计的参数数量会大幅增加,导致参数估计的自由度降低,从而使估计结果不准确,所以本文采用主成分分析方法对原始序列进行降维,并使用降维后的数据进行建模预测,由于主成分仅是对原始序列的线性组合,不会改变其平稳性,使用主成分进行建模预测是可行的。

通过绘制各个主成分及其方差贡献率的碎石图,观察到在提取到第三个主成分时,碎石图有较为明显的拐点,且方差贡献率达到90%以上,故可以保留前三个主成分进行建模预测,前三个主成分的载荷矩阵如下所示:

为了方便对后续所构建模型的解读与应用,根据各个主成分的系数方向与大小,结合甘肃现货价差的实际特点,本文将第一主成分解释为“平峰同方向价差主成分”,将第二主成分解释为“平峰反方向价差主成分”,将第三主成分解释为“零价差主成分”(或“谷段价差主成分”)。

直接使用普通最小二乘OLS估计出的模型存在较为严重的异方差性,导致模型不显著,为了处理异方差问题,本文使用加权最小二乘法重新估计模型,得这三个主成分最终构建的VAR模型如下:

需要特别说明的是,由于申报t日日前策略是t-1日进行的,而t-1日的价差表现暂未确定,因此本文构建的VAR模型是使用t-2日及之前的历史数据来与t日的价差表现,故上述模型中的自变量时间角标虽然为t-2,但实际上的滞后阶数仍是1,即最终构建的模型为1阶向量自回归模型(VAR(1)),其中滞后阶数1由AIC准则确定。

四、VAR价差预测模型的解读与预测效果

根据上述构建的VAR(1)模型的系数与方向,可以发现:第一主成分主要由滞后一阶的三个主成分共同决定,且各个滞后一阶主成分的系数较为接近,因此在预测t日平峰时段同方向的价差时,需结合各主成分的影响方向,重点关注t-2日全天各时段的所有价差;第二主成分同样主要由滞后一阶的三个主成分共同决定,且各个滞后一阶主成分的系数较为接近,因此在预测t日平峰时段反方向的价差时,需结合各主成分的影响方向,重点关注t-2日全天各时段的所有价差;第三主成分主要由滞后一阶的第三主成分决定,即在预测t日谷段价差时,需重点关注t-2日谷段价差;最后,综合考虑上述分析结果,结合个人的交易经验,对模型的预测结果进行判断与取舍。

使用上述VAR(1)模型对未来30步(即4月1日—4月30日)进行预测,定性比较预测的各时段价差表现与实际的各时段价差表现,可以发现预测值与真实值之间的价差方向大体上相同,部分时段的价差大小存在较大的差异,但考虑到在进行日前策略申报时,主要依赖的也是对价差方向的判断,故可认为该模型的预测效果较好。

(受篇幅影响,此处只展示未来5步的可视化预测结果)

从定量评价模型的角度来看,通过计算该模型各时段的预测值与真实值之间的MAE,除个别时段(如3—6时段)的MAE较大、预测效果较差外,其余时段的MAE均较小,因此上述定性评价得到的结论是可靠的,即模型的预测效果较好。

五、基于VAR价差预测模型的日前策略

根据甘肃省现货用户电能量电费结算公式:

将其变形为:

根据用户侧日前申报思路,利用VAR(1)模型预测的价差结果,直接使用4月1日—30日的日前价格,本文采取序列最小二乘规划法(SLSQP)作为日前损益函数的优化算法给出三段式报价,考虑到优化算法会直接根据价差方向将申报系数和申报价格取最值,为了确保基础收益并降低交易风险,本文添加如下的约束条件:(1)各段申报系数限制在[0.8, 1.2]之间;(2)1段申报价格限制在[600, 650]之间;(3)2段申报价格限制在日前价格上下浮动的20%范围内。最终形成的日前策略的回测结果如下所示,其中策略损益为添加约束条件后的损益表现,理想损益为无约束条件下的策略损益:

六、后续优化方向

本文所构建的VAR价差预测模型,主要应用于参与甘肃电力现货市场的电力用户,电力用户依据该模型对分时价差的方向与大小进行判断,从而制定合理的日前申报策略,实现日前收益的最大化。

VAR模型作为多维时间序列的常用分析方法之一,其建模过程由数据自身的统计性质驱动,对经济理论的依赖性较低,这既是VAR模型的优势,也是VAR模型的劣势,本文构建的VAR价差预测模型也是基于价差自身数值表现出的数字特征进行分析的,当模型预测结果与实际价差表现出现较大差异时,存在着无法解释原因的可能性。因此,考虑到电力系统经济学原理已经发展得相对成熟,未来的模型优化方向,可以以电力系统经济学原理为理论支撑,在保留现货价差作为内生变量的同时,将其他影响价差表现的边界条件(如负荷水平、新能源出力等)以外生变量的形式引入到VAR模型中,通过格兰杰因果检验等方法判断出影响价差表现的关键边界条件,增强模型对复杂市场的适应性,提高模型的解释力和预测准确性。

另一方面,本文仅对价差表现进行了预测分析,没有涵盖日前价格的预测结果,但在实际的日前策略申报过程中,用户不仅需要了解价差情况,还需精准把握日前价格,才能制定出更为合理、有效的申报策略。因此,未来的模型优化方向还可以将日前价格预测模型和价差预测模型进行组合,形成结构方程模型,全面考虑日前价格与现货价差之间的内在联系和相互影响,更好地指导日前策略申报。

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

电力现货市场查看更多>电力用户查看更多>甘肃电力现货市场查看更多>